Input e output in IA per l’analisi dei clienti

Il documento seguente illustra i diversi eventi, input e output richiesti utilizzati in Customer AI.

Introduzione getting-started

Di seguito sono riportati i passaggi per creare modelli di propensione e identificare i tipi di pubblico target per il marketing personalizzato in IA per l’analisi dei clienti:

Di seguito sono riportati alcuni esempi di configurazioni per il primo modello. Il modello di esempio, incorporato in questo documento, utilizza un modello di IA per l’analisi dei clienti per prevedere chi sarà probabilmente convertito per un’attività di vendita al dettaglio nei successivi 30 giorni. Il set di dati di input è un set di dati di Adobe Analytics.

Panoramica dei dati data-overview

Le sezioni seguenti descrivono i diversi eventi richiesti, input e output utilizzati in Customer AI.

IA per l’analisi dei clienti funziona analizzando i seguenti set di dati per prevedere i punteggi di propensione di abbandono (quando è probabile che un cliente smetta di utilizzare il prodotto) o conversione (quando è probabile che un cliente effettui un acquisto):

Puoi aggiungere più set di dati da origini diverse se ciascuno di essi condivide lo stesso tipo di identità (spazio dei nomi), ad esempio un ECID. Per ulteriori informazioni sull’aggiunta di più set di dati, consulta Guida utente di Customer AI.

La tabella seguente illustra alcuni termini comuni utilizzati in questo documento:

Dati di input di IA per l’analisi dei clienti customer-ai-input-data

Per i set di dati di input, come Adobe Analytics e Adobe Audience Manager, i rispettivi connettori di origine mappano direttamente gli eventi in questi gruppi di campi standard (Commerce, Web, Application e Search) per impostazione predefinita durante il processo di connessione. La tabella seguente mostra i campi evento nei gruppi di campi standard predefiniti per IA per l’analisi dei clienti.

Per ulteriori informazioni sulla mappatura dei dati di Adobe Analytics o di Audienci Manager, consulta l’Audience Manager Mappature dei campi di Analytics guida alle mappature dei campi.

Puoi utilizzare gli schemi XDM di Experience Event o Consumer Experience Event per set di dati di input che non vengono compilati tramite uno dei connettori precedenti. Durante il processo di creazione dello schema è possibile aggiungere altri gruppi di campi XDM. I gruppi di campi possono essere forniti per Adobe, come i gruppi di campi standard o i gruppi di campi personalizzati, che corrispondono alla rappresentazione dei dati in Platform.

Gruppi di campi standard utilizzati da IA per l’analisi dei clienti standard-events

Gli Eventi di esperienza vengono utilizzati per determinare i vari comportamenti dei clienti. A seconda della struttura dei dati, i tipi di evento elencati di seguito potrebbero non includere tutti i comportamenti del cliente. È compito dell’utente determinare quali campi dispongono dei dati necessari per identificare in modo chiaro e inequivocabile l’attività dell’utente sul web o su altri canali specifici. A seconda dell’obiettivo predittivo, i campi obbligatori necessari possono cambiare.

IA per l’analisi dei clienti utilizza gli eventi in questi quattro gruppi di campi standard per impostazione predefinita: Commerce, Web, Application e Search. Non è necessario disporre di dati per ogni evento nei gruppi di campi standard elencati di seguito, ma per alcuni scenari sono richiesti determinati eventi. Se sono disponibili eventi nei gruppi di campi standard, si consiglia di includerli nello schema. Ad esempio, se desideri creare un modello di IA per l’analisi dei clienti per prevedere gli eventi di acquisto, è utile disporre di dati dai gruppi di campi Commerce e Dettagli pagina web.

Per visualizzare un gruppo di campi nell’interfaccia utente di Platform, seleziona la Schemi nella barra a sinistra, quindi seleziona il pulsante Gruppi di campi scheda.

Inoltre, IA per l’analisi dei clienti può utilizzare i dati di abbonamento per generare modelli di abbandono migliori. I dati di abbonamento sono necessari per ogni profilo utilizzando Abbonamento formato del tipo di dati. La maggior parte dei campi è facoltativa. Tuttavia, per un modello di abbandono ottimale, si consiglia vivamente di fornire dati per il maggior numero possibile di campi, ad esempio: startDate, endDatee ogni altro dettaglio pertinente. Rivolgiti al team del tuo account per ulteriore supporto su questa funzione.

Aggiunta di eventi personalizzati e attributi di profilo add-custom-events

Se disponi di informazioni da includere oltre a quelle predefinite campi evento standard utilizzato da Customer AI, puoi utilizzare configurazione evento personalizzata per migliorare i dati utilizzati dal modello.

Quando utilizzare eventi personalizzati

Gli eventi personalizzati sono necessari quando i set di dati scelti nel passaggio di selezione del set di dati contengono nessuno dei campi evento predefiniti utilizzati da IA per l’analisi dei clienti. IA per l’analisi dei clienti necessita di informazioni su almeno un evento di comportamento dell’utente diverso dal risultato.

Gli eventi personalizzati sono utili per:

I migliori candidati per gli eventi personalizzati sono i dati che contengono conoscenze del dominio che possono essere predittive del risultato. Alcuni esempi generali di eventi personalizzati includono:

Di seguito sono riportati alcuni esempi di eventi personalizzati specifici del settore:

Per poter essere selezionati, gli eventi personalizzati devono rappresentare le azioni avviate dall'utente. Ad esempio, "Invia e-mail" è un’azione avviata da un addetto marketing e non dall’utente, pertanto non deve essere utilizzata come evento personalizzato.

Dati storici

IA per l’analisi dei clienti richiede dati storici per la formazione dei modelli. La durata richiesta per l’esistenza dei dati nel sistema è determinata da due elementi chiave: la finestra dei risultati e la popolazione ammissibile.

Per impostazione predefinita, IA per l’analisi dei clienti cerca un utente che abbia avuto attività negli ultimi 45 giorni se non viene fornita alcuna definizione di popolazione idonea durante la configurazione dell’applicazione. Inoltre, IA per l’analisi dei clienti richiede almeno 500 eventi di qualificazione e 500 eventi non qualificati (1000 in totale) da dati storici basati su una definizione di obiettivo prevista.

Gli esempi seguenti illustrano l'utilizzo di una semplice formula che consente di determinare la quantità minima di dati richiesti. Se disponi di un numero di dati superiore al requisito minimo, è probabile che il modello fornisca risultati più precisi. Se la quantità di dati è inferiore a quella minima richiesta, il modello avrà esito negativo poiché non sono disponibili dati sufficienti per l'apprendimento del modello.

Formula:

Per decidere la durata minima richiesta dei dati esistenti nel sistema:

** Se per la definizione della popolazione idonea sono presenti più condizioni, l’intervallo di lookback di idoneità è quello più lungo.

Esempi:

Anche se IA per l’analisi dei clienti richiede un periodo di tempo minimo per consentire l’esistenza dei dati nel sistema, funziona meglio anche con i dati recenti. Utilizzando dati comportamentali più recenti, IA per l’analisi dei clienti è probabile che generi una previsione più accurata del comportamento futuro di un utente.

Dati di output di IA per l’analisi dei clienti customer-ai-output-data

IA per l’analisi dei clienti genera diversi attributi per singoli profili ritenuti idonei. Esistono due modi per utilizzare il punteggio (output) in base al provisioning. Se disponi di un set di dati abilitato per Real-time Customer Profile, puoi sfruttare le informazioni provenienti da Real-time Customer Profile in Generatore di segmenti. Se non hai un set di dati abilitato per il profilo, puoi scaricare l’output di Customer AI set di dati disponibile nel data lake.

Puoi trovare il set di dati di output in Platform Set di dati Workspace. Tutti i set di dati di output di IA per l’analisi dei clienti iniziano con il nome Punteggi di Customer AI - NAME_OF_APP. Analogamente, tutti gli schemi di output di IA per l’analisi dei clienti iniziano con il nome Schema di IA per l’analisi dei clienti - Name_of_app.

La tabella seguente descrive i vari attributi trovati nell’output di Customer AI:

Passaggi successivi next-steps

Una volta preparati i dati e assicurati che tutte le credenziali e gli schemi siano presenti, fai riferimento a Configurare un’istanza di Customer AI guida, che illustra un tutorial dettagliato per creare un’istanza di Customer AI.